一种基于权重模型的自动邻区关系产生优化方法与系统的制作方法
【专利摘要】本发明公开了一种基于权重模型的自动邻区关系产生优化方法与系统。所述方法包括：UE上报测量报告；eNB根据测量报告中的物理小区标识，向OSS系统查询该小区是否配有相邻小区列表NCL，如果没有，该小区所属的eNB进行SINR扫描得到一系列小区的SINRieNBscan；根据SINR门限选择策略得到SINRThreshold，判决小区i满足SINRieNBscan＞SINRThreshold，形成初始NCL；根据权重模型计算初始NCL中各个小区的权重值Wk；对权重值进行比较，对初始NCL列表进行重新排序，得到新的NCL。本发明能够在进行小区选择时，充分考虑相邻小区类型和小区负载情况，确保NCL的完整性和有效性，以改善网络容量，最终实现降低运维成本的目标。
【专利说明】—种基于权重模型的自动邻区关系产生优化方法与系统【技术领域】
[0001]本发明属于移动通信【技术领域】,特别涉及一种用于LTE(Long Term Evolution,长期演进)系统中基于权重模型的自动邻区关系产生优化方法和系统。
【背景技术】
[0002]LTE (Long Term Evolution,长期演进)项目是3G的演进，它是3G与4G技术之间的一个过渡，是3.9G的全球标准，它改进并增强了 3G的空中接入技术，采用正交频分复用OFDM和多输入多输出MMO作为其无线网络演进的唯一标准，主要目的是为了改善了小区边缘用户的性能，提高小区容量和降低系统延迟。
[0003]随着LTE的部署，网络参数的数量和结构变得越来越多、越来越复杂，下一代移动网络要求高度智能化，网络应具有良好的重构性、可伸缩性、自组织性，用以满足不同环境、不同用户的通信需求。因此3GPP LTE提出了一种新的运维策略，即自组织网络SON。LTE运营商通过SON机制可以明显降低运维成本，从而进一步提升LTE的竞争优势。SON是指具备自配置(Self-Configuration)、自优化(Self-Optimization)和自恢复(Self-Healing)的无线网络。
[0004]与传统的无线网络中邻区关系配置和优化方法不同的是LTE网络中引入了 SONANRCAutomatic Neighbor Relation,自动邻区关系)功能，自动邻区关系ANR功能主要包括LTE内/频内和系统间/频间邻区的自动配置和自优化。ANR功能的目的是让运营商从手工配置邻区的工作中解脱出来。ANR功能允许运营支撑系统(Operation support system,0SS)对邻区关系列 表进行增加、修改、删除等各项操作。如果邻区关系列表有变化，会通知到0SS。应用ANR功能的目的就是要尽可能准确，完整的配置邻区关系列表NCL。因为如果需要切换到NCL列表中没有的小区，就会出现切换延迟，严重的会出现掉话的现象；另一方面，如果NCL列表中包含了不是邻区关系的小区，就会浪费网络管理开销。
[0005]因此，本领域技术人员致力于解决的一个技术问题是，提出一种自动邻区关系产生优化方法，能够在进行小区选择时，充分考虑相邻小区类型和小区负载情况，确保NCL的完整性和有效性，以改善网络容量，最终实现降低运维成本(Operating Expense, OPEX)的目标。
【发明内容】
[0006]针对上述问题，本发明提出一种基于权重模型的自动邻区关系产生优化方法与系统，能够在进行小区选择时，充分考虑相邻小区类型和小区负载情况，确保NCL的完整性和有效性，以改善网络容量，最终实现降低运维成本的目标。
[0007]为实现上述目的，本发明采取以下技术方案，包括:
[0008](I)移动用户终端UE上报一个关于小区的测量报告。报告中包括小区的物理层小区标识Cell ID、UE的所有邻区、每个邻区参考信号的接收功率、各个邻区的负载信息。
[0009](2)基站eNB根据测量报告中的物理小区标识，向OSS系统查询该小区是否配有相邻小区列表NCL，如果没有，该小区所属的eNB进行扫描得到一系列小区的信噪比SINRiemscan ;如果已经配有NCL，则对该NCL进行调用存储。
[0010]根据小区的具体情况选择不同的信噪比门限SINRThresh()ld，SINR门限选择不同，对系统性能有较大影响。
[0011]优选的，SINR门限选择策略包括:根据不同的新增小区类型决定设置不同的SINR门限。如果新增eNB的小区是宏小区，则新增eNB的覆盖范围大于微小区类型，并且与相邻小区的最大距离也会增加。在这种情况下，SINR门限应该设置为SI，如果新增eNB的小区是微小区，由于微小区覆盖范围较小，所以仅仅是位于靠近新增eNB的小区是相邻小区。在这种情况下，SINR门限应该设置为S2，则S1〈S2。
[0012]优选的，SINR门限选择策略还包括:根据相邻小区的类型不同决定设置不同SINR门限。由于宏小区覆盖范围较大，所以传输功率设置的比微小区较高并且随着距离的增加其信号衰减不是很严重；另一方面，微小区的传输功率较低并且信号衰减较严重。这是由于天线高度的不同等原因而造成的。因此尽管从小区边缘所检测到来自不同类型的eNB的SINR强度相同，在新小区的eNB处检测到得SINR强度也是不同的。所以在新增小区处所测到的相邻宏小区的SINR值高于相邻小区是微小区时的情况，基于以上原因，当相邻小区是宏小区时，SINR门限设置为S3 ;当相邻小区是微小区时，SINR门限设置为S4，则S3>S4。
[0013](3)根据SINR门限选择策略得到SINRThresh()ld，判决扫描得到的小区的信噪比满足SINRidffiscanS SINRnmshtjld，则把小区加入到初始NCL，小区在列表中的排名为i，记为小区i，i = 1，2，...N，N代表初始NCL的长度；如果不满足判决条件，则重新进行SINR扫描。
[0014](4)根据权重模 型计算初始NCL中各个小区的权重值Wk，小区i的信噪比SINRidffiscan可以简写为Si，Wk是先验概率影响因子G(Pi)和导频信号函数f(Si)的加权值，
即炒=YjG(Pl)J(Si) , k= 1，2，...Ν。
/-0
[0015]优选的，G(Pi)= kPj+b ；
[0016]G(Pi)表示先验概率影响因子，其中k和b可以由导频信号强度和切换概率信息来表示，Pi表示UE从小区i切换到邻区j的切换概率。
[0017](5)对权重值进行比较；对NCL列表按权重值大小进行重新排序，得到新的NCL，储存。
[0018]相应的，本发明还公开了一种基于权重的邻区关系产生系统，包括:
[0019]测量问询模块，用于接收用户上报的测量数据，包括小区的物理层小区标识CellID、UE的所有邻区、每个邻区参考信号的接收功率、各个邻区的负载信息等，并向OSS系统查询该小区是否配有相邻小区列表NCL ；
[0020]扫描判决模块，用于扫描得到一系列小区接收信号的信噪比SINR1-与信噪比门限进行比较判决=SINRidffisean > SINR—d，得到初始NCL ；
[0021]计算轮询排序模块，用于计算初始NCL中各小区的权重Wk，并轮询比较，对权重值进行排序；
[0022]存储模块，用于存储经过处理产生的新的NCL。
[0023]与现有技术相比，本发明由于采取以上技术方案，具有以下优点:
[0024]首先，权重模型可以使得当SINR门限设置的过小时，将NCL中不是相邻关系的小区删除，减少NCL的冗余率，这样可以减少系统开支，减少系统运营维护成本。
[0025]其次，这一模型可以使得当SINR门限设置的过高时，将本是相邻关系的小区却没有加到NCL中的小区加入到NCL中，这样可以降低UE掉话率并且提高切换成功率。
[0026]最后，采用计算权重轮询排序的方式可以确保所得到的相邻小区列表NCL的完整性和有效性。
【专利附图】
【附图说明】
[0027]图1是基于权重模型的自动邻区关系产生优化方法流程图；
[0028]图2是不同SINR门限对邻区范围的影响示意图；
[0029]图3是根据新增小区类型选择SINR门限示意图；
[0030]图4是根据相邻小区类型选择SINR门限示意图；
[0031]图5是基于权重模型的自动邻区关系产生系统框图；
[0032]图6是三小区之间切换概率示意图。
【具体实施方式】
[0033]为使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步的详细描述。
[0034]本发明提出一种基于权重模型的自动邻区关系产生优化方法，能够在进行小区选择时，充分考虑相邻小区类型和小区负载情况，确保NCL的完整性和有效性，以改善网络容量，最终实现降低运维成本的目标。
[0035]参照图1，给出了本发明实施例所述一种基于权重模型的自动邻区产生优化方法流程图。
[0036]步骤1:UE上报一个关于小区的测量报告；
[0037]LTE系统中，用户设备移动过程中，在达到测量上报门限时，移动设备向基站上报测量报告，报告中包括小区的物理层小区标识Cell ID、UE的所有邻区、每个邻区参考信号的接收功率、各个邻区的负载信息等。
[0038]步骤2:eNB根据测量报告中的物理小区标识，向OSS系统查询该小区是否配有相邻小区列表NCL，如果没有，则执行步骤3 ;如果已经配有NCL，则对该NCL进行调用存储；
[0039]步骤3:该小区所属的eNB进行SINR扫描得到一系列小区的信噪比SINRiemscan ；
[0040]参照图2，SINR门限选择不同，对系统性能有较大影响。图中小区I?6(Celll?6)为新小区(New cell)的邻区，小区7?11 (Cell7?11)为非邻区。随着选择不同的SINR门限，相邻小区的范围也不同。如果SINR门限设置的过高，则仅仅是有着高SINR的小区可以加入到相邻小区列表NCL中，这样有可能会丢失一些切换候选小区(如图2中的Cell6);相反，如果SINR门限设置的太低，就会有许多潜在的切换候选小区加入到NCL中，这样NCL就会包含大量不属于相邻关系的小区(如图2中的Cell7?11)，这样会增加系统网络的开销。
[0041]参照图3，SINR门限选择策略包括:根据不同的新增小区类型决定设置不同的SINR门限。LTE网络提供了不同的小区类型，所以新增eNB的小区类型会影响SINR门限的设置。如果新增eNB的小区是宏小区，则新增eNB的覆盖范围大于微小区类型，并且与相邻小区的最大距离也会增加，在这种情况下，SINR门限应该设置为SI ;如果新增eNB的小区是微小区，由于微小区覆盖范围较小，所以仅仅是位于靠近新增eNB的小区是相邻小区，在这种情况下，SINR门限应该设置为S2，则S1〈S2。
[0042]参照图4，SINR门限选择策略还包括:根据相邻小区的类型不同决定设置不同的SINR门限。由于宏小区覆盖范围较大，所以传输功率设置的比微小区较高并且随着距离的增加其信号衰减不是很严重；另一方面，微小区的传输功率较低并且信号衰减较严重。这是由于天线高度的不同等原因而造成的。因此尽管从小区边缘所检测到来自不同类型的eNB的SINR强度相同，在新小区的eNB处检测到得SINR强度也是不同的。所以在新增小区处所测到的相邻宏小区的SINR值高于相邻小区是微小区时的情况，基于以上原因，当相邻小区是宏小区时，SINR门限设置为S3 ;当相邻小区是微小区时，SINR门限设置为S4，则S3>S4。
[0043] 综合考虑以上两种情况，选择合适的SINR门限SINRThMsh()ld。
[0044]步骤4:根据SINR门限选择策略得到SINRltoeshtjld，判决扫描得到的小区的信噪比满足SINRidffisean > SINRThresh()ld，则把小区加入到初始NCL，小区在列表中的排名为i，记为小区i，i = 1，2，...N，N代表初始NCL的长度；如果不满足判决条件，则返回步骤3重新进行SINR扫描；
[0045]步骤6:利用权重模型计算初始NCL中各个小区的权重；
[0046]根据导频信号强度和实际系统中UE移动到不同相邻小区的概率来计算小区的权重Wk，小区i的信噪比SINRiemscan可以简写为Si，Wk是先验概率影响因子G(Pi)和导频信号
函数 f (Si)的加权值，即
【权利要求】
1.一种基于权重模型的自动邻区关系产生优化方法，其特征在于包含以下步骤: (1)LTE系统中用户终端UE上报关于小区的测量报告； (2)基站eNB根据测量报告中的物理小区标识，向运营支撑系统OSS查询该小区是否配有相邻小区列表NCL，如果没有，该小区所属的eNB进行信噪比SINR扫描得到一系列小区的接收信号的信噪比SINRiemscan ； (3)根据SINR门限选择策略得到信噪比门限SINRnmshtjld，判决扫描得到的小区的信噪比大于信噪比门限值，即满足SINRiemsean > SINRThresh()ld，则把小区加入到初始NCL ； (4)根据权重模型计算初始NCL中各个小区的权重值Wk； (5)对权重值进行比较，对初始NCL列表进行重新排序，得到新的NCL。
2.根据权利要求1所述的一种基于权重模型的自动邻区关系产生优化方法，其特征在于步骤(1)中:LTE系统中，用户设备移动过程中，在达到测量上报门限时，移动设备向基站上报测量报告，报告中包括小区的物理层小区标识Cell ID、UE的所有邻区、每个邻区参考信号的接收功率、各个邻区的负载信息。
3.根据权利要求1所述的一种基于权重模型的自动邻区关系产生优化方法，其特征在于所述SINR门限选择策略包括:根据不同的新增小区类型决定设置不同的SINR门限；如果新增eNB的小区是宏小区，SINR门限设置为SI ;如果新增eNB的小区是微小区，SINR门限设置为S2 ;则S1〈S2。
4.根据权利要求3所述的一种基于权重模型的自动邻区关系产生优化方法，其特征在于所述SINR门限选择策略还包括:根据相邻小区的类型不同决定设置不同的SINR门限，当相邻小区是宏小区时，SINR门限设置为S3 ;当相邻小区是微小区时，SINR门限设置为S4，则 S3>S4。
5.根据权利要求1所述的一种基于权重模型的自动邻区关系产生优化方法，其特 征在于所述权重模型为
6.一种基于权重模型的自动邻区关系产生优化系统，其特征在于，包括: 测量问询模块，用于接收用户上报的测量数据，包括小区的物理层小区标识Cell ID、UE的所有邻区、每个邻区参考信号的接收功率、各个邻区的负载信息等，并向OSS系统查询该小区是否配有相邻小区列表NCL ； 扫描判决模块，用于扫描得到一系列小区接收信号的信噪比SINRidffisean，与信噪比门限进行比较判决=SINRiemsean > SINRltoestold，得到初始NCL ； 计算轮询排序模块，用于计算初始NCL中各小区的权重Wk，并轮询比较，对权重值进行排序； 存储模块，用于存储经过处理产生的新的NCL。
【文档编号】H04W36/00GK103906106SQ201410083267
【公开日】2014年7月2日 申请日期:2014年3月7日 优先权日:2014年3月7日
【发明者】胡斌杰, 权艳阳 申请人:华南理工大学